柴油機(jī)渦輪增壓系統(tǒng)智能故障診斷.pdf

1、柴油機(jī)渦輪增壓系統(tǒng)一直是故障多發(fā)系統(tǒng)，進(jìn)而影響到整個(gè)柴油機(jī)工作。傳統(tǒng)的故障診斷方法只有在故障發(fā)生時(shí)，才能維修，已不能滿足高科技發(fā)展的今天對(duì)機(jī)械故障診斷的要求。隨著人工智能的發(fā)展，人們逐漸將解決問(wèn)題的思想轉(zhuǎn)移到具有學(xué)習(xí)能力強(qiáng)﹑分類性能好的神經(jīng)網(wǎng)絡(luò)上，并且已取得一些成功。
　　本文首先嘗試?yán)糜凶罴驯平匦?，且無(wú)局部極小問(wèn)題存在的RBF神經(jīng)網(wǎng)絡(luò)用做故障診斷，但是RBF神經(jīng)網(wǎng)絡(luò)沒(méi)能力來(lái)解釋自己的推理過(guò)程和推理依據(jù)。不能向用戶提出必要的詢

2、問(wèn)，而且當(dāng)數(shù)據(jù)不充分的時(shí)候，神經(jīng)網(wǎng)絡(luò)就無(wú)法進(jìn)行工作。而模糊推理系統(tǒng)建立在“如果-則”的基礎(chǔ)上，其推理過(guò)程容易被人理解，收斂速度快，訓(xùn)練樣本少，故將推理系統(tǒng)中有代表性的T-S模糊推理系統(tǒng)與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合，但是因結(jié)合而成的模糊神經(jīng)系統(tǒng)產(chǎn)生龐大的規(guī)則，造成網(wǎng)絡(luò)結(jié)構(gòu)冗余，因而影響到網(wǎng)絡(luò)的訓(xùn)練精度和訓(xùn)練時(shí)間。為了減少模糊規(guī)則數(shù)目，考慮先用聚類算法完成樣本的聚類，在證明聚類產(chǎn)生的T-S模糊規(guī)則和RBF神經(jīng)網(wǎng)絡(luò)原理等價(jià)的基礎(chǔ)上，構(gòu)成了基于聚類的T

3、-S RBF網(wǎng)絡(luò)。在聚類算法選擇上，先用減法聚類確定聚類數(shù)目，再用模糊C均值聚類確定網(wǎng)絡(luò)的中心向量。采用該聚類算法T-S RBF神經(jīng)網(wǎng)絡(luò)能自動(dòng)生成和調(diào)整隸屬函數(shù)和模糊規(guī)則，有效的減少了模糊規(guī)則數(shù)目。
　　通過(guò)分析渦輪增壓系統(tǒng)的故障，提取影響故障發(fā)生的關(guān)鍵因素樣本，利用RBF神經(jīng)網(wǎng)絡(luò)，T-S RBF神經(jīng)網(wǎng)絡(luò)和基于聚類的T-S RBF神經(jīng)網(wǎng)絡(luò)，進(jìn)行仿真計(jì)算比較，得出基于聚類的T-S RBF分類結(jié)果最精確、訓(xùn)練時(shí)間最短。并用此神經(jīng)網(wǎng)絡(luò)作